Restauración de imágenes y metaheurísticas en Hadoop

Abstract

El campo del procesamiento digital de imágenes abarca técnicas, algoritmos, métodos y procedimientos que manipulan una imagen digital cualquiera con el fin de evaluar su contenido, mejorar su apariencia, recuperar información perdida por degradación, comprimir la información para su almacenamiento o transmisión, detectar las características de los objetos presentes en la imagen, o interpretar su contenido para llevar a cabo una serie de procesos informáticos, como el aprendizaje de patrones y objetos, reconocimiento de caracteres escritos, reconocimiento facial, reconstrucción tridimensional de imágenes bidimensionales, detección de movimiento y clasificación de imágenes, entre otros. Considerando esto, el procesamiento digital de imágenes puede resultar computacionalmente costoso y más aún si se procesa un volumen de imágenes que puede rondar el orden de los TB. Consecuentemente, trabajar sobre una única computadora resulta poco práctico por restricciones de memoria y tiempo. Lógicamente, esto deriva en la búsqueda de alternativas tecnológicas que permitan el procesamiento de grandes volúmenes de información así como la obtención de imágenes de buena calidad. El uso de plataformas de procesamiento masivo y escalable de datos y las técnicas de optimización basadas en metaheurísticas aparecen entonces como una alternativa factible. Por un lado, Hadoop es un framework para el procesamiento paralelo que ganó gran popularidad en los últimos dados su modelo de programación simple y gran capacidad de almacenamiento. Por otro lado, las metaheurísticas se vienen aplicando con excelentes resultados en la resolución de problemas de optimización y tareas relacionadas al procesamiento de imágenes. Es por ello que, la línea de investigación presentada aquí se enfoca en la integración de algoritmos de procesamiento de imágenes, metaheurísticas y plataformas de procesamiento para su aplicación en la restauración de imágenes digitales.